Tantangan Organisasional dalam Penerapan Produk Machine Learning

Machine learning saat ini menjadi salah satu hal yang banyak diimplementasikan pada berbagai aplikasi, terutama yang berbasis mobile. Banyak hal yang membuat machine learning mulai ramai diterapkan, salah satunya adalah machine learning ini dapat mendatangkan keuntungan, baik dari sisi konsumen, dimana konsumen mendapatkan layanan yang sesuai dengan kebutuhannya, dan juga dari sisi produsen, dimana akan mendapatkan feedback yang bagus, termasuk diantaranya kepuasan konsumen dan keuntungan yang mengalir dengan baik.

Oleh karena itu, berbagai perusahaan mulai mencari berbagai calon karyawan yang mahir dalam machine learning. Namun, tentu ada tantangan bagi organisasi yang harus diatasi ketika mulai mengimplementasikan machine learning bagi produknya, salah satunya tantangan organisasional. Tantangan organisasional ini terdiri dari beberapa hal, seperti langkanya orang yang menguasai machine learning, perlunya pemimpin dalam bidang analytics, sampai ke organisasi yang dituntut beralih menjadi organisasi yang data-driven.

Langkanya Orang-orang yang Ahli Machine Learning

Orang-orang yang menguasai machine learning di dunia ini tergolong sedikit, bahkan langka, membuat kebutuhan akan orang-orang tersebut menjadi tinggi, sehingga menyebabkan hal ini dianggap sebagai tantangan yang harus dihadapi oleh suatu organisasi. Oleh karena itu, seringkali perekrutan ahli machine learning dijadikan sebagai fokus dalam banyak organisasi.

Salah satu cara yang dilakukan oleh organisasi demi mendapatkan orang-orang tersebut adalah dengan membangun hubungan yang baik dengan berbagai instansi pendidikan, seperti universitas, untuk mencari fresh graduate dari berbagai bidang keilmuan data dan analitik. Selain itu, sebagian besar organisasi harus memanfaatkan berbagai talenta-talenta yang mereka miliki. Itu hanya dua dari banyak cara untuk mendapatkan talenta yang dibutuhkan, sekaligus membantu organisasi untuk menentukan kemampuan analitis nya, dari yang terdiri dari beberapa orang ‘ahli’ menjadi kelompok yang lebih besar.

Perlunya Chief Analytics Officer

Pemanfaatan machine learning seringkali memerlukan dua kepentingan yang bersaing untuk saling berkooperasi. Satu, akses data, yang dimiliki oleh divisi IT (information technology) dan CIO (chief information officer). Dua, penentuan prioritas dari business use case, yang umumnya ditentukan oleh CMO (chief marketing officer). Walaupun kolaborasi ini bertujuan baik, namun kedua kubu ini tidak sepenuhnya menguasai ilmu yang dibutuhkan, sehingga sulit untuk berkomunikasi satu sama lain. Karena hal tersebut, dibutuhkan ahli analitis, yang disebut dengan CAO (chief analytics officer), yang menguasai IT dan bisnis, sekaligus memiliki latar belakang teknis untuk mengajukan rencana-rencana analitis, seperti penerapan machine learning.

Membangun Organisasi yang Data-driven

Ketika data scientist dianggap sebagai standar dalam tren data, cakupan data yang luas dan cenderung bebas di dunia saat ini membuat beragam organisasi, dalam berbagai tingkat dan fungsi, memerlukan kontribusi ahli data yang profesional. Pada akhirnya, organisasi perlu untuk mengarah menuju kultur data, dimana akses data merupakan hal umum dan pengambilan keputusan yang data-driven sangat lumrah terjadi. Mengembangkan kultur data, menerapkan proses bisnis yang dibutuhkan, dan berinvestasi dengan teknologi yang tepat, adalah tantangan utama dalam membangun organisasi yang data-driven, yang dapat memanfaatkan berbagai kemajuan dalam machine learning.

Dan itulah beberapa tantangan organisasional yang dihadapi ketika organisasi memutuskan untuk menerapkan machine learning dalam produknya. Dengan memahami cara-cara untuk menghadapi tantangan tersebut, diharapkan berbagai organisasi dapat dengan kemudian menerapkan machine learning dengan baik.

Sumber Berita:

"The Evolution of Analytics" - Patrick Hall, Wen Phan, Katie Whitson. O'Reilly Media Inc., 2016

Sumber Gambar:

"Assessing the Challenges of Organizational Leadership" - fisher.osu.edu